用于全局优化的多种群布谷鸟搜索算法

科学与工程中的许多优化问题高度非线性，因此需要复杂的优化技术来求解。梯度算法等传统技术多为局部搜索方法，往往难以应对此类具有挑战性的优化问题。近期趋势倾向于使用自然启发式优化算法。本工作利用布谷鸟与宿主协同进化的成功特征并引入多种相互作用的物种，对标准布谷鸟搜索（CS）进行扩展；所提出的多种群布谷鸟搜索（MSCS）旨在模拟多种布谷鸟为适者生存而竞争，并与宿主物种协同进化，其中解向量被编码为位置向量。随后，通过15个基准函数以及实际应用中五个非线性、多模态设计案例研究对所提算法进行验证。仿真结果表明，所提算法可有效寻找最优解，且在此情形下所有最优解均可获得。测试基准的结果还与标准布谷鸟搜索和遗传算法等其他方法所得结果进行比较，证明了本算法的效率。基于数值实验与案例研究，我们可以得出结论：所提算法在大多数情况下更为高效，从而成为一种求解非线性优化问题的潜在非常有效的工具。